[发明专利]一种基于特征工程的数据挖掘方法及系统

说明书

本发明公开了一种基于特征工程的数据挖掘方法及系统，应用于数据挖掘技术领域，首先利用数据挖掘请求初步确定特征因子，根据特征因子剔除无关数据，然后通过计算相关数据与数据挖掘请求的关联度，进行二次剔除，得到第一挖掘数据；最后判断第一挖掘数据是否属于允许误差，最终得到与用户定制的数据最精准的数据。本发明能够根据客户个性化需求获得更加准确的数据。

技术领域

本发明涉及数据挖掘技术领域，更具体的说是涉及一种基于特征工程的数据挖掘方法及系统。

背景技术

近些年来，由于全球信息技术的迅速发展和互联网的快速普及造成了数据过量和信息爆炸，人们迫切需要将这些数据转换成有用的信息和知识并加以利用。这就需要用到数据挖掘技术。数据挖掘技术一般是指从大量的数据中通过算法搜索出隐藏信息的方法。数据挖掘技术广泛应用在很多行业，如金融业、通信业、交通业、大型零售业及保险业等行业。

传统的数据挖掘软件因为标准化的分析，不能处理个性化的需求，不能给用户带来很高的满意度。因此，急需开发出一种可以处理客户个性化需求的数据挖掘方法。

发明内容

有鉴于此，本发明提供了一种基于特征工程的数据挖掘方法及系统，能够根据客户个性化需求获得更加准确的数据。

为了实现上述目的，本发明提供如下技术方案：

一种基于特征工程的数据挖掘方法，具体步骤包括如下：

根据数据挖掘请求确定特征因子；

获取数据集，基于所述特征因子对所述数据集进行分类，分为相关数据和无关数据，并剔除无关数据；

利用所述相关数据确定关联度，根据所述关联度进行二次剔除，得到第一挖掘数据；

构建多元回归方程，并确定误差允许边界；

判断第一挖掘数据是否在误差允许边界内，若在，则输出第一挖掘数据；若不在，则输出第二挖掘数据，所述第二挖掘数据为剔除误差允许边界外之后的第一挖掘数据。

优选的，在上述的一种基于特征工程的数据挖掘方法中，根据数据挖掘请求确定特征因子具体步骤包括：

构建特征因子确定函数模型；

输入数据至少两次，并且前后两次输入的数据仅有一个特征因子不同；

根据所述特征因子确定函数模型，确定特征因子。

优选的，在上述的一种基于特征工程的数据挖掘方法中，得到第一挖掘数据的具体步骤包括：

将所述相关数据构建特征方程，得到特征矩阵A；

确定关联度，构建关联度矩阵B；

根据G＝A×B，得到第一挖掘数据矩阵G。

优选的，在上述的一种基于特征工程的数据挖掘方法中，所述多元回归方程具体表达式为：

y＝β₀+β₁x₁+β₂x₂+...+β_nx_n；

其中，β₀，β₁，β₂，...，β_n表示回归系数；x₁,x₂,…，x_n为二次剔除后的特征因子。

优选的，在上述的一种基于特征工程的数据挖掘方法中，确定误差允许边界的具体步骤包括：

提取多元回归方程在坐标系中的坐标组；